當前位置：首頁 > 编程语言 > python >内容正文

python

python库--pandas--Series.str--字符串处理

發布時間：2023/12/20 python 24 豆豆

生活随笔收集整理的這篇文章主要介紹了 python库--pandas--Series.str--字符串处理小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

原數據
字符大小寫轉換
字符串拼接
字符填充/插入/擴展
字符串內容判斷
查找
統計
轉碼
刪減/截取
分割/替換

原數據

import pandas as pd a = pd.Series(['aSd', 'asd', 'dfd fsAsf sfs']) b = pd.Series([None, 'asd', 'fgh']) indexab

0	aSd	None
1	asd	asd
2	dfd fsAsf sfs	fgh

字符大小寫轉換

a.str.lower() a.str.upper() a.str.title() a.str.capitalize() a.str.swapcase() ?loweruppertitlecapitalizeswapcase

0	asd	ASD	Asd	Asd	AsD
1	asd	ASD	Asd	Asd	ASD
2	dfd fsasf sfs	DFD FSASF SFS	Dfd Fsasf Sfs	Dfd fsasf sfs	DFD FSaSF SFS

字符串拼接

自身拼接

a.str.cat(sep=',')

aSd,asd,dfd fsAsf sfs

與其它series拼接

a.str.cat(a) a.str.cat(['aSd', 'asd', 'dfd fsAsf sfs']) a + a indexvalue

0	aSdaSd
1	asdasd
2	dfd fsAsf sfsdfd fsAsf sfs

a.str.cat(a, sep=',') a.str.cat(['aSd', 'asd', 'dfd fsAsf sfs'], sep=',') a + ',' + a indexvalue

0	aSd,aSd
1	asd,asd
2	dfd fsAsf sfs,dfd fsAsf sfs

數據含有None/NaN的情況

b.str.cat(sep=',')

asd,fgh

# 將NaN替換為指定字符串進行操作 a.str.cat(sep=',', na_rep='???')

???,asd,fgh

剩下的情況除將NaN替換為指定字符之外跟上述示例一樣, 這里不再進行演示

字符填充/插入/擴展

# 向兩端填充指定字符到指定長度 a.str.center(width=10, fillchar='?') a.str.pad(width=10, side='both', fillchar='?') # 在右側填充指定字符到指定長度 a.str.ljust(width=10, fillchar='?') a.str.pad(width=10, side='right', fillchar='?') # 在右側填充指定字符到指定長度 a.str.rjust(width=10, fillchar='?') a.str.pad(width=10, side='left', fillchar='?') ?centerljustrjust

0	???aSd????	aSd???????	???????aSd
1	???asd????	asd???????	???????asd
2	dfd fsAsf sfs	dfd fsAsf sfs	dfd fsAsf sfs

# 每隔指定個字符插入一個換行符 a.str.wrap(width=2) # 在字符串前面填充0到指定長度 a.str.zfill(width=10) # 將字符串擴展n倍 a.str.repeat(repeats=2) # 為每一個元素指定擴展倍數 a.str.repeat(repeats=[2, 2, 2]) ?wrapzfillrepeat

0	aS\nd	0000000aSd	aSdaSd
1	as\nd	0000000asd	asdasd
2	df\nd \nfs\nAs\nf \nsf\ns	dfd fsAsf sfs	dfd fsAsf sfsdfd fsAsf sfs

join() 在字符間插入字符

a.str.join(sep='?') # 等同于 a.map(lambda x: '?'.join(x))

因此也出現了一種特殊情況, 元素不是字符串但可以使用join方法
經過不完全證明, '?'.join() 中支持的參數作為Series的元素是都可使用此方法

pd.Series([['1', '2', '3']]).join('?')

字符串內容判斷

以下方法返回由True和False組成的Series

contains(): 判斷指定字符串或正則表達式是否在序列或索引中

參數說明

pat	字符串或正則表達式
case=True	是否區分大小寫
flags=0	可傳入re.IGNORECASE之類的參數
na=nan	缺失值填充
regex=True	是否使用正則表達式匹配

endswith(): 判斷是否以給定的字符串結尾

參數說明

pat	字符串
na=nan	缺失值填充

match(): 判斷是否以給定的字符串開頭(支持正則)

參數說明

pat	字符串或正則表達式
case=True	是否區分大小寫
flags=0	可傳入re.IGNORECASE之類的參數
na=nan	缺失值填充
as_indexer=None	棄用

方法說明

.isalnum()	字符串至少包含一個字符且所有字符都是字母(漢字)或數字則返回True
.isalpha()	字符串至少包含一個字符且所有字符都是字母(漢字)則返回True
.isdigit()	只包含數字(可以是: Unicode, 全角字符, bytes(b'1'), 羅馬數字)
.isspace()	只包含空白符
.islower()	至少包含一個小寫字符, 且不包含大寫字符
.isupper()	至少包含一個大寫字符, 且不包含小寫字符
.istitle()	所有單詞大寫開頭其余小寫(標題化)
.isnumeric()	只包含數字字符
.isdecimal()	只包含數字(Unicode字符, 全角字符)

查找

extract(): 使用正則表達式提取需要的內容(只返回第一次匹配到的內容)
extractall(): 使用正則表達式提取需要的內容(返回所有匹配到的內容

參數說明

pat	正則表達式(必須含有捕獲組, 超過一個必然返回DataFrame) 若捕獲組設有name則將作為返回的列標簽
flags=0	可傳入re.IGNORECASE之類的參數
expand=None	True: 返回DataFrame(未來版本默認值) False: 返回S/I/DataFrame(現在版本默認值) extractall() 方法無此參數

a.str.extract('([A-Z]+)') a.str.extract('([A-Z]+)(s*)') ?([A-Z]+)-([A-Z]+)(s*)

0	S	-	S
1	NaN	-	NaN ?NaN
2	A	-	A ?? s

a.str.extractall('(?P<field1>[sSdf]+)(?P<field2>[ds])') ??field1field2說明

?	match	?	?	?
0	0	S	d	第1行第1個匹配結果
1	0	s	d	第2行第1個匹配結果
2	0	df	d	第3行第1個匹配結果
?	1	f	s	第3行第2個匹配結果
?	2	sf	s	第3行第3個匹配結果

檢索sub在字符串中的位置, 可以指的那個開始檢索和結束檢索的位置
find(): 檢索不到返回-1
rfind(): 從右往左檢索, 檢索不到返回-1
index(): 檢索不到觸發異常
rindex(): 從右往左檢索, 檢索不到返回-1

a.str.find(sub='s') # 從第6個字符開始查找到第10個字符結束查找 a.str.find(sub='s', start=6, end=10) ?(sub='s')(sub='s', start=6, end=10)

0	-1	-1
1	1	-1
2	5	7

findall(): 以列表形式返回正則表達式所有匹配結果

a.str.findall(pat='[sSdf]+') a.map(lambda x: re.findall('[sSdf]+', x)) ?結果

0	[Sd]
1	[sd]
2	[dfd, fs, sf, sfs]

get(): 獲取指定位置的字符

a.str.get(i=1) ?結果

0	S
1	s
2	f

統計

count() 統計指定字符串(支持正則)在序列字符串中出現的次數
len() 返回序列字符串的長度

a.str.count(pat='s', flags=0) a.str.len() ?countlen

0	0	3
1	1	3
2	4	13

轉碼

encode(): 編碼str --> bytes
decode(): 解碼bytes --> str

參數說明

encoding	編碼方式
error='static'	static: 編碼/解碼失敗拋出異常

ignore: 編碼/解碼失敗自動忽略非法字符

replace: 編碼/解碼失敗則使用 ? 替代非法字符

xmlcharrefreplace: 則引用XML的字符.

c = pd.Series(['中文', '\ud83easd']) c.str.encode('utf8', 'ignore') c.str.encode('utf8', 'replace') c.str.encode('utf8', 'xmlcharrefreplace') ?ignorereplacexmlcharrefreplacebackslashreplace

b'asd'

b'?asd'

b'&#55358;asd'

b'\ud83easd'

# 中國: b'\xe4\xb8\xad\xe6\x96\x87' d = pd.Series([b'\xe4\xb8\xad\xe6\x96']) d.str.decode('utf8', 'ignore') ?ignorereplacexmlcharrefreplacebackslashreplace

中

中�

NaN

中\xe6\x96

normalize(): 返回字符串的Unicode標準格式

刪減/截取

strip(to_strip=None): 刪除兩側指定字符, 默認刪除空白符
lstrip(to_strip=None): 刪除左側指定字符, 默認刪除空白符
rstrip(to_strip=None): 刪除右側指定字符, 默認刪除空白符
slice() 截取子字符串

參數說明

start=None	開始位置
stop=None	結束位置
step=None	步長

分割/替換

split() 使用指定字符分割字符串, 支持正則
rsplit() 從右側開始分割

參數說明

pat=None	分隔符, 默認空白符
n=-1	分割次數, 默認全部
expand=False	True: 返回DataFrame/MultiINdex False: 返回Series/Index

get_dummies(): 對字符串分割, 并返回每個分割結果出現的次數

>>> pd.Series(['a|b', 'a', 'a|c']).str.get_dummies()a b c 0 1 1 0 1 1 0 0 2 1 0 1 >>> pd.Series(['a|b', np.nan, 'a|c']).str.get_dummies()a b c 0 1 1 0 1 0 0 0 2 1 0 1

partition(pat='', expand=True): 第一次出現pat時將字符串分割為三個部分: pat前面的部分, pat本身, pat后面的部分
rpartition(): 從右往左檢測pat字符串

更新字符串

replace(): 更新字符串

參數說明

pat	字符串或編譯的正則表達式
repl	str: 將匹配到的字符串替換為此字符串 fun: 傳給fun的是對象相當于re.search(pat, string)的返回值
n=-1	替換的次數, 默認全部
case=None	是否區分大小寫, 如果pat為字符串則默認為True, 若為編譯的正則表達式則不能設置
flags=0	可傳入re.IGNORECASE之類的參數, 但若pat為編譯的正則表達式則不能設置

slice_replace(): 將選中的部分替換為指定字符串

參數說明

start=None	開始位置
stop=None	結束位置
repl=None	要替換為的字符串

translate(): 字符替換
dict: {ord('a'): 'x'} 或 {ord('a'): ord('x')} key必須是ascii碼, value可以是字符串或ASCII碼
str.maketrans('a','x') 等同于 {97: 120}

轉載于:https://www.cnblogs.com/P--K/p/11148250.html

總結

以上是生活随笔為你收集整理的python库--pandas--Series.str--字符串处理的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。